Voorbij prompts: AI gebruiken voor slimmer projectmanagement

Lees het transcript:

We proberen onze podcasts te transcriberen met behulp van een softwareprogramma. Vergeef ons eventuele typfouten, want de bot is niet altijd 100% correct.

Galen Low: Je bent nu ongeveer elf maanden bezig met je reis met generatieve AI en je bent tot drie conclusies gekomen.

Nummer één: de mogelijkheden van GenAI zijn werkelijk ongekend. Je oom Rastin denkt oprecht dat het tovenarij is.

Nummer twee: generatieve AI is een wereldwijd fenomeen. Mensen zullen er voorlopig niet over ophouden — niet tijdens je etentjes en zeker niet in je LinkedIn-feed.

En nummer drie: ondanks alle verwondering en opwinding rond generatieve AI gebruik je het tot nu toe alleen voor het maken van notities en een beetje maaltijdplanning.

Als je in projectmanagement werkt en het gevoel hebt dat je met je AI-chatbots vastzit in een sleur, of iemand kent die dat heeft, dan is deze aflevering voor jou. We gaan bespreken hoe je je mindset en reflexen rond generatieve AI kunt vormen om te voorkomen dat je “GenAI gebruikt omwille van GenAI”. We gaan het hebben over wat de toekomst van AI inhoudt voorbij prompt engineering. En we gaan onderzoeken hoe een breder begrip van AI en van de werking van AI-projecten misschien wel een compleet nieuwe richting in je loopbaan kan openen waarvan je niet wist dat die bestond. Klaar om erin te duiken?

Hallo allemaal, bedankt dat jullie luisteren. Mijn naam is Galen Low van The Digital Project Manager. Wij zijn een gemeenschap van digitale professionals met als missie elkaar te helpen vaardiger, zelfverzekerder en beter verbonden te worden, zodat we de waarde van projectmanagement in een digitale wereld kunnen vergroten. Als je daar meer over wilt horen, ga dan naar thedpm.com/membership.

Goed, vandaag praten we over, verrassing, generatieve AI, maar ook over prompt engineering en de vraag of professionals zoals wij — projectmanagers — misschien naar de spreekwoordelijke vinger van Bruce Lee kijken terwijl die naar de maan wijst. En ik heb groot geschut ingeschakeld om vragen te beantwoorden over wat GenAI te bieden heeft voor het vak projectmanagement, voorbij alleen chatgebaseerde interfaces en prompts.

Bij mij vandaag is Kathleen Walch, directeur AI-betrokkenheid en leren bij het Project Management Institute en een bewezen thought leader en docent op het gebied van AI.

Kathleen, bedankt dat je vandaag bij me bent.

Kathleen Walch: Ja, hartelijk dank dat je me hebt uitgenodigd. Ik kijk erg uit naar dit gesprek.

Galen Low: Ik ben zo blij dat je weer in de show bent. Kathleen was eerder te gast samen met Ron Schmelzer om over AI te praten. Goh, waarschijnlijk twee jaar geleden, misschien twee jaar geleden?

Kathleen Walch: Misschien. De tijd vliegt, hè?

Galen Low: Het gaat zo snel. En ik dacht terug aan dat gesprek. Ik dacht: er is zoveel veranderd. Er is zoveel veranderd. Het was toen bijna een nicheonderwerp.

Het was zoiets als AI en projectmanagement. Ja, oké. Nu is het mainstream. Het zit overal ingebakken. Iedereen dompelt zich erin onder. Je kunt er niet aan ontsnappen. En ik ben blij dat we jouw expertise vandaag in de show hebben.

Voor de mensen die je niet kennen: je bevindt je al een tijd in de AI-wereld en je hebt onze huidige kijk op AI in een professionele context in de afgelopen zeven of acht jaar zien evolueren. En hoe snel deze veranderingen ook lijken voor nieuwkomers in AI, ik vraag me af: heb je het gevoel dat de meeste professionals vastlopen in alledaagse prompting zonder het grotere beeld te zien van waartoe de technologie in staat is?

Kathleen Walch: Ja, dat is een goede vraag, want je hebt gelijk: ik ben al lange tijd actief op dit gebied.

Ik zeg altijd dat ik al met AI bezig was voordat GenAI het cool maakte. Ik weet het. En ik noem het altijd de oudste nieuwe technologie, omdat de term officieel in 1956 werd bedacht. De technologie is dus meer dan zeventig jaar oud, maar voelt toch zo nieuw. En waarom is dat? We hebben al twee eerdere AI-winters meegemaakt, periodes van dalende investeringen en afnemende populariteit.

Een belangrijke reden daarvoor is dat we te veel beloven en te weinig leveren als het gaat om wat de technologie kan. We moeten AI dus echt begrijpen als een hulpmiddel. Het is niet overal goed in, maar wel in bepaalde dingen, dus zorg ervoor dat je het op die manier gebruikt. En wat generatieve AI zo spannend heeft gemaakt, is dat het werkelijk in handen van iedereen is gekomen.

Zeven of acht jaar geleden gebruikten we nog steeds regelmatig AI; het voelde alleen niet zo. We hadden voorspellende tekst in onze e-mails of spamfilters, toch? Dat maakte gebruik van AI. Of GPS tijdens het rijden, Waze of Google Maps, die ons hielpen met routeoptimalisatie.

Maar het voelde niet echt als AI, omdat het gewoon in een toepassing zat die we al gebruikten. En toen kwam generatieve AI, ChatGPT in het bijzonder, omdat het de eerste was. Die bracht het in handen van iedereen. Daardoor kon ik — dat noemen we augmented intelligence — AI gebruiken zonder dat het de mens vervangt, maar door je te helpen je werk beter te doen.

En je kon het elke dag merken. Het hielp je een betere e-mail te schrijven of te brainstormen, het kon helpen met vertalen en afbeeldingen maken voor je PowerPointpresentatie. Je voelde echt die samenwerking en zag er direct het voordeel van. Dat is waar de hele wereld naartoe is gegaan, en dat is prachtig geweest. Maar tegelijkertijd moeten mensen nog steeds begrijpen dat het een hulpmiddel is en wanneer ze AI wel en niet moeten gebruiken.

Galen Low: Ik houd van dat beeld van AI op de achtergrond, en nu is AI als een persoon met wie je elke dag omgaat en waar iedereen toegang toe heeft. Dat is de nieuwe populaire leerling. Ik vind het mooi wat je zei over hoe GenAI AI populair heeft gemaakt, maar ik houd ook van het idee van die winters.

De AI-winter ontstond omdat we te veel beloofden en te weinig leverden, en de technologie op een bepaald moment misschien nog niet ver genoeg was om die beloften waar te maken. Nu is dat misschien wel het geval. We hebben het over ChatGPT en alle grote taalmodellen die momenteel de dienst uitmaken, maar we hebben het hier in februari 2025 ook over DeepSeek.

We hebben het over technologie die verbluffend is en misschien niet alle technologie nodig heeft waarvan werd beweerd dat die nodig was. Ik dwaal een beetje af, maar ik vind het veelbelovend. Ik vind het goed dat mensen erover praten en het omarmen. Maar dat kan ingewikkeld worden wanneer iedereen ermee bezig is. Iedereen heeft een mening. Iedereen denkt te weten wat het doet en iedereen denkt dat het overal voor geschikt is. Misschien is dat niet zo.

Als ik er een projectmanagementbril op zou zetten: wat zijn enkele van je favoriete toepassingen van GenAI-chatinterfaces voor projectmanagement?

Kathleen Walch: Ja, dat is een goede vraag.

Bij het Project Management Institute hebben we veel leertrajecten die gratis zijn voor leden of vrij goedkoop voor niet-leden. We behandelen daarin allerlei verschillende toepassingen. Wat ik graag zeg, is dat ik het altijd opsplits. Maak een lijst van alle pijnpunten die je hebt, gebieden waar je hulp nodig hebt of waar je verbetering ziet.

Bepaal vervolgens welke daarvan gemakkelijk met een generatief-AI-systeem kunnen worden aangepakt. Als we aan projectmanagers denken, denken we altijd aan vergaderverslagen, toch? Dat is het stereotiepe voorbeeld dat we krijgen. Als dat voor jou een pijnpunt is, hoe los je het dan op? Hoe krijg je hulp van AI?

Er zijn al veel hulpmiddelen die dat kunnen. Maar ik zeg ook altijd: ja, het is geweldig om iets te hebben dat je één keer kan helpen. We hebben het bijvoorbeeld over hulp bij een projectcharter. Prima. Maar hoe vaak doe je dat tijdens een project? Waarschijnlijk één keer, toch? Je bekijkt een projectcharter niet elke week opnieuw.

Wat helpt je regelmatig? Dagelijks, wekelijks. Misschien is dat stakeholderbetrokkenheid of betere communicatie. Hoe stel ik e-mails of documentatie op voor verschillende niveaus? Soms heb ik een samenvatting voor leidinggevenden nodig, soms moet ik iets afstemmen op stakeholders, of op interne versus externe klanten.

Bepaal wat die pijnpunten zijn en pak ze aan, want daar zie je echte stapsgewijze verbetering. En oefen ook gewoon, zeg ik altijd. Je wordt alleen beter met tijd. Bij prompt engineering is de kans op mislukking heel klein, want je kunt het gewoon opnieuw doen.

Maar dit brengt ons ook bij wat PMI power skills noemt, oftewel soft skills. Kritisch denken, samenwerken, communiceren. Ik vraag altijd: hoe gebruik je GenAI om je te helpen met je power skills, en hoe helpen je power skills je om beter te prompten? Met communicatie kan het je bijvoorbeeld helpen een betere communicator te worden.

Het kan helpen e-mails te schrijven, ze in verschillende toonzettingen te formuleren, dingen in te korten of samen te vatten. Maar hoe helpen je communicatievaardigheden je om een betere prompter te worden? Misschien moet je je prompt verfijnen, de lengte ervan aanpassen of hem na verloop van tijd bewerken.

Ik zie dus graag die twee kanten van de medaille: hoe AI je kan helpen met je power skills en hoe power skills je kunnen helpen beter te worden in prompt engineering.

Galen Low: Daar wil ik later op terugkomen. Maar eerst dacht ik: misschien kunnen we wat uitzoomen, want ik ken de context, maar niet al onze luisteraars.

Tijdens je tijd als managing partner bij Cognilytica heb je de CPMAI-certificering ontwikkeld, een projectmanagementkader voor specialisten. Ik heb hierover geschreven; zeg me of ik het goed of fout heb, maar mijn interpretatie was dat het bedoeld was voor specialisten zoals datawetenschappers en analisten die aan AI-projecten werken.

En meer recent is Cognilytica de samenwerking aangegaan met het Project Management Institute, waardoor CPMAI een officieel onderdeel werd van de nogal prestigieuze portefeuille van projectmanagementcertificeringen van PMI. Omdat we het hadden over cursussen, PMI en leren: kun je iets vertellen over voor wie de certificering tegenwoordig bedoeld is en hoe die verschilt van bijvoorbeeld de prompt-engineeringcursussen, de gratis cursus op PMI voor leden?

Of iets op Udemy — wat maakt de CPMAI-certificering belangrijk en anders?

Kathleen Walch: Ja, dat is een goede vraag. Ik bespreek de CPMAI-certificering graag als twee kanten van dezelfde medaille. 95 procent van het gesprek gaat over de vraag hoe ik AI-hulpmiddelen kan gebruiken om mijn werk beter te doen.

Er zijn ontzettend veel hulpmiddelen. Mensen vragen me altijd wat het beste hulpmiddel is. Dan zeg ik: dat hangt ervan af wat je probeert te doen. Er komen letterlijk elke dag nieuwe hulpmiddelen uit. Wat je ook probeert te doen, er is waarschijnlijk een hulpmiddel voor en je moet begrijpen hoe je het gebruikt en hoe je er beter in wordt.

Maar daar blijft ongeveer 95 procent van de gesprekken steken. Daar komt veel van het e-learningaanbod van PMI bij kijken. We hebben een overzicht van generatieve AI, een cursus over het datalandschap voor AI en onze cursus prompt engineering. We hebben ook een cursus over AI-toepassingen, waarin wordt besproken hoe je al deze verschillende hulpmiddelen en toepassingen inzet als projectmanager en projectprofessional.

Dat is geweldig, maar het helpt je vooral om je werk beter te doen. Vervolgens moeten we zeggen: als projectmanager, projectprofessional of iemand in een aangrenzend projectgebied — zoals een datawetenschapper, data-engineer of AIML-engineer — kun je worden belast met het uitvoeren en beheren van een AI-project.

We moeten begrijpen dat AI-projecten dataprojecten zijn. Je moet dus datacentrische methodologieën gebruiken. Je kunt zo’n project niet uitvoeren volgens de traditionele stijl van softwareapplicatieontwikkeling, want dan ontdek je snel dat het niet de juiste aanpak is en dat je project een grotere kans op mislukking heeft.

Een aantal jaar geleden ontwikkelden we daarom de CPMAI-methodologie. Organisaties kwamen naar ons toe en zeiden — dit was opnieuw zeven of acht jaar geleden, ruim voordat generatieve AI bestond — dat ze deze systemen vanaf nul moesten bouwen, moesten bepalen welk algoritme ze nodig hadden en al hun datavereisten moesten vastleggen.

Veel daarvan is nog steeds hetzelfde, zelfs als we tegenwoordig een van deze systemen gebruiken. Ze vroegen: waar beginnen we? We keken rond en er was eigenlijk geen stapsgewijze aanpak. Daarom creëerden we samen met een grote bank en een grote overheidsinstelling de CPMAI-methodologie. In september 2024 zijn we officieel onderdeel geworden van PMI; zij hebben Cognilytica overgenomen.

CPMAI is nu dus een officiële PMI-certificering. De certificering is altijd al geweldig geweest voor projectmanagers, projectprofessionals en ook productmanagers, maar ook voor mensen in aangrenzende projectgebieden. Ik geef altijd het voorbeeld van mijn man. Hij is software-engineer en doet dat al ongeveer twintig jaar.

Soms moet hij projecten uitvoeren en beheren. Als hij wordt belast met het uitvoeren en beheren van een AI-project, ziet hij zichzelf niet als projectmanager en zou hij zichzelf ook nooit zo noemen. Hij identificeert zich als software-engineer, maar wordt wel in die positie geplaatst. Steeds vaker zien we dat, vooral bij AI-projecten: mensen die zich traditioneel niet als projectmanager identificeren, krijgen een projectmanagementrol.

Deze certificering is dus bedoeld voor iedereen in die verschillende categorieën.

Galen Low: Wat je zegt is echt belangrijk. Ik wist niet dat je hiermee begonnen was bij een overheidsinstelling en een bank. Als je nadenkt over het verschil tussen een softwareproject en een dataproject, en over de data die een bank of de overheid kan hebben — serieuze zaken — dan wordt het voor mij heel duidelijk dat je zo’n project niet zomaar als een regulier project kunt uitvoeren. Er zijn zaken waarmee je rekening moet houden.

En ik ben het met je eens dat je steeds vaker wilt dat het hele team die gevoeligheid heeft, omdat we hebben gezien dat het ethisch mis kan gaan. We hebben gezien dat dingen misgaan doordat er te snel naar een doel wordt toegewerkt dat we eigenlijk niet goed kennen, met technologie die razendsnel verandert en cultureel verschuift wat betreft adoptie, gevoelens en angst van mensen.

Ik vind het een sterk idee dat het gaat om begrijpen hoe je een dataproject met AI of machine learning succesvol maakt, omdat de reguliere softwareontwikkelingsaanpak misschien niet het juiste resultaat oplevert. Je kunt op een doodlopend spoor of tegen blokkades terechtkomen die je waarschijnlijk had kunnen vermijden als je er vooraf over had nagedacht.

Kathleen Walch: Ja, en ik kader het altijd zo: bij softwareontwikkeling is code het belangrijkste onderdeel. Je zou je code nooit weggeven, want dat is het belangrijkste onderdeel.

Maar bij een AI-project is data het belangrijkste onderdeel. Die zou je dus nooit weggeven. Code is maar een klein onderdeel en niet het meest kritieke onderdeel. Het gaat om je data. Het is de data die uniek is en die dit project kan maken of breken. We zeggen: rommel erin is rommel eruit.

Dat helpt ook om het te kaderen. Vooral als je iemand hebt die in een aangrenzend projectgebied werkt en geen traditionele projectmanager is. Die persoon moet begrijpen: zo moet ik mijn mindset veranderen. Het gaat niet om de code, maar om de data. Daarom heb ik een datacentrische methodologie nodig.

Galen Low: Er zijn zoveel kanten die ik hiermee op wil, maar ik probeer bij het onderwerp te blijven. Ik vind het een prachtig en verbluffend inzicht dat data het belangrijkste onderdeel is van een dataproject. Code is bijna secundair. Dat is voor mij, vanuit de digitale wereld, een vreemd idee, maar ik vind het geweldig.

Ik wilde misschien teruggaan naar loopbanen en certificeringen, omdat ik weet dat veel mensen in mijn gemeenschap zeggen: ja, de PMP is een geweldige kwalificatie en heeft veel gewicht in de sector. Veel mensen kijken ernaar als ze al een tijdje als projectmanager werken of in een aangrenzend projectgebied actief zijn en projectmanagementuren hebben opgebouwd.

De PMP is het hoogtepunt dat je op je cv, profiel en tijdens sollicitatiegesprekken kunt vermelden om te laten zien dat je serieus bent. Je speelt op dit niveau, er is vraag naar je en je zou waarschijnlijk meer moeten verdienen. Nu CPMAI ook in beeld is: zijn werkgevers in de AI-ondersteunde softwarewereld — of eigenlijk overal — al op zoek naar de CPMAI-certificering?

Of gaat het volgens jou meer om praktische vaardigheden op het werk voor iemand die al aan AI- en dataprojecten werkt? Is het iets waarmee een projectmanager zich kan onderscheiden?

Kathleen Walch: Ja, absoluut. Dat is inderdaad zo. De PMP is het hoogtepunt. Het is onze goudenstandaardcertificering bij PMI. We werken eraan om ook andere certificeringen gouden standaarden te maken.

Wat betekent dat? De certificering is ongelooflijk grondig. Ze doorloopt veel verschillende stappen en er zijn veel vereisten om een gouden standaard te worden.

We werken er dus aan om CPMAI ook een gouden standaard te maken. De certificering laat werkgevers weten dat je AI-projecten kunt uitvoeren en beheren. Je hebt een gelijk niveau wat betreft terminologie, wat AI wel en niet kan en de zes fasen van CPMAI. Je weet hoe je projecten uitvoert als dataprojecten en hoe je de stapsgewijze aanpak volgt.

We zien maar al te vaak dat organisaties geen plan hebben. Dat komt door verschillende redenen. De sector beweegt snel, mensen ervaren FOMO — fear of missing out — en denken: onze concurrent doet het, dus wij moeten het ook doen. We kunnen vooruitgaan, maar laten we wel een plan hebben.

Dat is wat CPMAI doet. Het is een stapsgewijze aanpak. We beginnen met fase één: zakelijk begrip. Welk probleem proberen we op te lossen? Ik weet dat het eenvoudig klinkt, maar zoveel projecten slaan die stap over. Welk probleem proberen we op te lossen? Is AI de juiste oplossing?

Daarna doorlopen we een AI-go/no-go-proces. Dat kijkt naar de haalbaarheid van de data, de zakelijke haalbaarheid en de haalbaarheid van de implementatie. We zien dit als verkeerslichten. Als ze allemaal groen zijn, is de kans op projectsucces groot. Als ze geel of rood zijn, neemt de kans op mislukking toe. Dat betekent niet dat je niet kunt doorgaan, maar wel dat je voorzichtig moet zijn en rekening moet houden met mogelijke obstakels of het feit dat je project misschien niet slaagt zoals je verwacht.

Een van de punten is de ROI, het rendement op investering, van je project. Veel organisaties denken daar vooraf niet over na en meten het soms helemaal niet. Het hoeft geen financieel rendement te zijn, maar er moet wel een rendement zijn. Als je dat niet meet, kan het project technisch gezien succesvol zijn — het deed wat het moest doen — maar tegen extreem hoge kosten. Dan is het resultaat eigenlijk negatief.

Je had een negatief rendement op investering. Als je dat niet meet, heb je geen idee. Dan zeg je: dit was succesvol, maar waarom staan we ineens in het rood? Omdat je rendement op investering niet positief was.

Dat zien we veel te vaak. CPMAI helpt daarbij. De certificering geeft werkgevers aan dat je over de vaardigheden beschikt om een AI-project uit te voeren en te beheren, dat je een zeer grondige training en certificering hebt doorlopen en dat je gecertificeerd bent door PMI.

Galen Low: Het grappige is dat ik voor de luisteraars steeds met mijn muis beweeg op zoek naar de klapreactie, zoals in Zoom of Google Meet. En dan denk ik: ja!

En trouwens, als je geïnteresseerd bent in CPMAI en die kwalificatie wilt gebruiken tijdens een sollicitatiegesprek met iemand die niet weet wat de CPMAI-certificering is, knip dan gewoon het fragment van Kathleen van zojuist en schrijf het uit. Gebruik het tijdens je gesprek, want het was echt een zeer heldere uitleg van waarom dit belangrijk is en waarom het anders is.

Sommige dingen lijken misschien vanzelfsprekend of worden ook in andere kaders behandeld. Maar als je kijkt naar data, de snelheid van technologie en de drang van bedrijven om nu allemaal mee te doen, weten ze misschien niet eens waarom AI onderdeel moet worden van hun product, organisatie of oplossingen. Ik vind het goed dat daar een kader voor bestaat.

Ik ben benieuwd, want projectmanagers houden van kaders, methodologieën en certificeringen. En vervolgens maken we er grote ruzies over. We creëren soms kampen en facties, ook als die nooit bedoeld waren als rivalen. In een organisatie zegt men: zo voeren wij projecten uit. En jij zegt: ik zou het graag op deze manier doen. Dan ontstaat er een grote vuiststrijd.

Zie je dat ook bij mensen die dit programma volgen? Gaan ze weg met het idee: nu weet ik hoe ik een datagericht, ML- of AI-project moet uitvoeren, maar mijn team wil dit niet? Ze proberen hun team te overtuigen, maar dat team zegt: nee, wij doen het zo. Is het moeilijk om mensen en teams mee te krijgen in de fasen en stappen van het kader?

Kathleen Walch: Mensen die de certificering volgen, zien natuurlijk het licht. Ze zeggen: wauw, dit is geweldig. Vervolgens moeten ze het terugbrengen naar hun organisatie, waar het anders is.

Ik begrijp het. Er zijn termen als voorspellend, waterval, hybride en agile. Hoe voer je een project uit? Meestal wordt het hybride. Agile is niet voor niets een echte term.

Wanneer je je AI-project uitvoert als een softwareapplicatieproject, ontdek je dat het niet werkt. Je moet andere vaardigheden en een andere stapsgewijze aanpak toepassen.

Je kunt het op een agile manier uitvoeren. Het moeten kleine, iteratieve sprints zijn. We moeten het niet op de voorspellende watervalmanier uitvoeren. Mensen ontdekken dat wanneer ze dit kader gebruiken, omdat ze het zelf hebben geprobeerd en het is mislukt. Ze hebben iets anders nodig.

Veel mensen die deze methodologie vinden, zijn tegen die problemen aangelopen en begrijpen dat ze zich bij iets moeten aansluiten omdat hun eerdere aanpak niet werkt.

Sommige mensen lopen erop vooruit. Ze zeggen: ik wil dit gebied in, ik moet dit begrijpen. Wij bieden een zeer uitgebreide training. Het is voor iedereen. Je hoeft nog geen project te hebben uitgevoerd om te beginnen en momenteel zijn er geen vereisten.

Bij de PMP zijn er behoorlijk strenge vereisten en daar werken we met onze goudenstandaardcertificering naartoe. Voor nu heb je geen vereisten nodig, wat prettig is omdat iedereen de certificering kan volgen.

De training neemt je overal in mee. Eerst worden de termen op hetzelfde niveau gebracht. Mensen denken dat ze de termen kennen en zeggen: dit heb ik niet nodig. Vervolgens beginnen ze en zeggen ze: wauw, ik besefte niet wat ik niet wist. Dit was een geweldige basis.

Dat geldt ook voor teams. Je wilt dat het team op één lijn komt. Dat is dezelfde reden waarom je een PMP haalt en PMP-gecertificeerde mensen aanneemt: je wilt die gemeenschappelijke terminologie. Iedereen zit op dezelfde lijn en heeft hetzelfde basisbegrip. Bij CPMAI is dat niet anders.

Galen Low: Dat vind ik mooi. Ik besef dat ik het misschien heb laten klinken alsof het een methodologie is. Als ik het goed begrijp, wordt het toegevoegd aan je bestaande manier van werken: je krijgt bepaalde overwegingen en stappen die je daarin kunt verweven.

Kathleen Walch: We noemen het een methodologie, maar mensen raken soms verstrikt in die term. Daarom zeggen we altijd: blijf niet hangen in terminologie. Je hoeft alleen iets te volgen om succesvol te zijn. Je kunt het een kader noemen, een stapsgewijze aanpak of een methodologie. Maar begrijp dat het uit zes fasen bestaat.

Het is iteratief. Je kunt indien nodig één, twee of drie fasen teruggaan. We beginnen met zakelijk begrip. Daarna gaan we naar databegrip: welke data hebben we nodig, waar komt die data vandaan, is die intern of extern en hebben we toegang tot die data?

Vervolgens moeten we onze data opschonen. Dat is de volgende stap. Helaas is data nooit netjes en schoon; ze is altijd rommelig, vooral ongestructureerde data.

Daarna komen we bij modelontwikkeling. Nu doen we het leuke werk — tussen aanhalingstekens — en juist daar beginnen mensen meestal mee, terwijl ze de uiterst belangrijke eerste stappen overslaan.

Vervolgens moeten we testen of het model presteert zoals verwacht. Dat is ook een kritieke stap die mensen soms overslaan. Daarna gaat het mis en vragen ze zich af waarom het hallucineert, slechte resultaten geeft of niet presteert zoals verwacht.

Daarna operationaliseren we het: we brengen het naar de echte wereld. We voeren deze fasen en stappen uit in kleine, iteratieve cycli. Elke CPMAI-iteratie zou ongeveer twee weken moeten duren, net als een sprint. Het zou geen zeven of twaalf maanden moeten duren. Dat is meer die voorspellende watervalaanpak. Bedenk hoeveel er in zeven maanden in de wereld verandert.

Toch gebeurt dat om allerlei redenen, meestal omdat mensen vastlopen in de datafase. Ze hebben geen toegang tot de data en het duurt weken of maanden om die toegang te krijgen. Wij zeggen: denk groot, begin klein en werk vaak iteratief.

Begin kleiner, kies een kleinere dataset, of beperk de scope sterk en vraag: wat is het kleinste dat ik kan doen? Dat een stapsgewijze waarde en een positief rendement oplevert. Laat successen zien. Daarna kunnen we verdergaan en in de volgende fase of stap meer itereren.

We zien maar al te vaak dat het te lang duurt en mensen het project in fase twee opgeven omdat ze geen toegang tot de data konden krijgen.

Galen Low: Het is net de projectwinter.

Kathleen Walch: Ja. Veel goede dingen.

Galen Low: Je raakt er gedesillusioneerd door en laat het dan gewoon liggen. Ik wilde je eigenlijk vragen hoe “rommelig” eruitziet, maar je hebt het goed uitgelegd met hallucinaties. Zelfs kleine datasets zijn behoorlijk groot, dus je kunt heel goed worden in je eigen werk en vervolgens presteert je oplossing niet zoals je wilt. Je vraagt je af waarom en moet de hele bol wol ontwarren om te vinden wat ergens in het midden aan het begin de verkeerde richting heeft ingezet. Waarschijnlijk datakwaliteit, toch?

Kathleen Walch: Waarschijnlijk toegang ertoe, hoe schoon de data is en hoeveel data je hebt. Sommige mensen denken: hoe meer data, hoe beter. Dat is niet altijd zo, want we kunnen op ruis trainen. Data is niet gratis. Het kost geld om data op te schonen en te verwerken. Meer is dus niet altijd beter.

Galen Low: Dat is interessant. Ik begon met de vraag wat er voorbij prompt engineering ligt, maar wat ik fascinerend vind, is dat er een hele wereld bestaat waarin veel projectmanagers zichzelf nog niet zien. Ze werken misschien in software, de digitale sector, technologie of IT, of helemaal niet in die sectoren.

Ze vragen zich af of projectmanagement nog zal bestaan. Daar komen we zo op terug. Maar er is een hele wereld van dataprojecten en ML-projecten, met op dit moment ontzettend veel projecten. Soms worden die geleid door iemand die in een aangrenzend projectgebied werkt en zich niet noodzakelijk als projectmanager identificeert. Er liggen daar veel kansen en veel mensen in mijn gemeenschap weten er misschien nog niet veel van. Dat is inspirerend.

Kathleen Walch: Wij zeggen: onderwijs is goedkoop. De kosten van mislukking zijn hoog.

De CPMAI-methodologie leren en CPMAI-gecertificeerd worden is in vergelijking vrij goedkoop. We moedigen mensen altijd aan om te zeggen: dit is een “ja, en”. Heb je PMP, haal dan ook CPMAI. Volg en leer verschillende methodologieën en leer CPMAI. Het is geen kwestie van het een of het ander.

Organisaties leren altijd iets en passen het daarna aan hun eigen behoeften aan. Zolang je de stapsgewijze aanpak op hoofdlijnen volgt, kun je die aanpassen aan je eigen organisatie. Maar leer hem wel.

Galen Low: Dat vind ik geweldig. We begonnen met prompting. Ik dacht aan toepassingen met chatinterfaces zoals ChatGPT, Gemini, Copilot, Claude, Perplexity, DeepSeek en andere. Maar er is een grote wereld daarbuiten.

Wat komt er hierna voor AI in ons professionele leven als projectmanagers? En hoe kan iemand zoals ik bijblijven?

Kathleen Walch: Dat is een goede vraag. Er wordt gezegd dat AI je baan niet zal overnemen, maar dat iemand die AI kent dat wel zal doen.

AI is dus echt blijvend. We hopen dat we de kloof zijn overgestoken en niet opnieuw in een AI-winter terechtkomen. Maar hoe gebruik je het? Ik denk graag aan het idee van augmented intelligence. Hoe gebruik ik AI niet om mij te vervangen, maar om iets beter te doen? Je kunt een taak of een bepaalde rol vervangen, maar niet mij als mens.

Ik weet dat veel projectprofessionals zich daar zorgen over maken. Maar als steeds meer projecten AI-projecten worden, blijven we projectmanagers en mensen met deze vaardigheden nodig hebben.

Hoe leer je? Dat gaat terug naar wat ik eerder zei. Maak een lijst van alles wat je irriteert, want dat verschilt per persoon. Zorg ervoor dat je niet de dingen vervangt die je leuk vindt en vervolgens alle dingen behoudt die je haat, want dan ben je nog steeds ontevreden.

Denk na over wat je leuk vindt en zet dat in één kolom. Zet alles wat je niet leuk vindt in een andere kolom.

Kijk vervolgens naar gemeenschappen. PMI heeft veel leermiddelen. Of kijk intern. Ik pleit altijd voor interne groepen. Zeker prompts zouden niet bedrijfseigendom moeten zijn. We moeten prompts delen, leren en samenwerken. Zorg dus voor een interne promptbibliotheek binnen je organisatie.

Documenteer op welk platform en wanneer je een prompt hebt gebruikt, want we weten dat prompts in de loop der tijd moeten worden aangepast en verfijnd om dezelfde resultaten te blijven opleveren. Dat hoort bij onze stapsgewijze aanpak. Je moet het testen en soms maakt het aanpassen van één woord een groot verschil.

Als je een gemeenschap hebt waarmee je heen en weer kunt overleggen, helpt dat echt. Sommige organisaties omarmen AI volledig en stellen AI centraal. Als jouw organisatie dat niet doet, kijk dan hoe je kunt beginnen met iteratieve, stapsgewijze aanpakken.

Als je PMI-lid bent, neem dan contact op met de gemeenschap. We hebben ook veel afdelingen. Intern kun je hulpmiddelen beschikbaar maken, en je kunt ook buiten je eigen groep kijken zodat je kunt samenwerken. Als je niet leert, groei je niet. Dan raak je steeds verder achterop omdat je bang bent deze hulpmiddelen te gebruiken of niet weet hoe ze werken. Wees dus niet bang om contact op te nemen en hulp te vragen.

Dat is de beste manier om te leren.

Galen Low: Ik houd van dat idee van een promptarchief en delen. Delen is wat ons vooruithelpt. De technologie gaat snel, dus mensen moeten ook snel bewegen. De beste manier om dat te doen is kennis delen.

Kathleen Walch: Delen is geven om elkaar.

Galen Low: Precies. Ik heb twee vragen om af te ronden.

We praten over een lijst maken van irritante dingen en chatten met je GenAI-hulpmiddel om je persoonlijke professionele leven te ondersteunen. Sommige mensen — ik — denken: dit is geweldige technologie. De manier waarop ik die tabgebaseerde interfaces gebruik, voelt natuurlijk. Het is natuurlijke taalverwerking tot de zoveelste macht, vergeleken met enkele decennia geleden.

En dan denk ik: is het niet gewoon een slimme truc waarbij taal wordt verwerkt en aan ons teruggegeven, waarna we zeggen: mijn hemel, dit is een levend, bewust wezen? Terwijl het eigenlijk taal opnieuw combineert. Houden we ons misschien tekort door niet genoeg AI te gebruiken? Aan de andere kant: bestaat het risico dat we denken dat AI magische dingen doet, alles kan en niet begrijpen dat het goed is in bepaalde dingen? Is dat gevaarlijk of juist inspirerend?

Kathleen Walch: Het is gevaarlijk omdat het te veel belooft en te weinig levert. Rond 2019 zeiden we: AI is zo’n overkoepelende term, en door generatieve AI en de grote taalmodellen denken mensen dat het alles kan. Ze vragen het om alles te doen en krijgen misschien niet de gewenste resultaten. Dan vragen ze: waarom kan het dit rekenprobleem niet oplossen? Waarom kan het dit niet? Een mens kan dit wel.

We moeten begrijpen wat AI wel en niet kan. Daarom zeiden we: laten we één niveau dieper gaan. Wat proberen we te bereiken? En is AI daarvoor de juiste oplossing?

We hebben honderden, zo niet duizenden toepassingen bekeken en onderverdeeld in zeven AI-patronen. Dat zijn hyperpersonalisatie, herkenning, voorspellende analyse en beslissingsondersteuning, patronen en anomalieën, doelgestuurde systemen, autonome systemen en conversatie.

Hyperpersonalisatie betekent dat je elk individu als individu behandelt. Dat is de droom van een marketeer, maar het kan ook gaan om hypergepersonaliseerd onderwijs, gezondheidszorg of financiën. Dit is vooral bij onderwijs een belangrijk onderwerp, met name levenslang leren. Hoe pas ik onderwijs aan op verschillende manieren waarop mensen leren, ook voorbij het basis- en voortgezet onderwijs?

Dan hebben we herkenning. Dat betekent betekenis geven aan ongestructureerde data. We denken hierbij aan beeldherkenning, maar ook aan audioherkenning of herkenning van handgebaren.

Daarna hebben we voorspellende analyse en beslissingsondersteuning. Die nemen historische en actuele data en helpen mensen betere beslissingen te nemen. We hebben ook patronen en anomalieën: grote hoeveelheden data bekijken en trends en uitschieters herkennen, bijvoorbeeld bij fraudedetectie.

We hebben doelgestuurde systemen, die vooral draaien om leren door versterking en optimalisatie. En dan het autonome patroon, waarbij het doel is de mens uit de lus te halen. Zodra je de mens probeert te verwijderen, wordt het natuurlijk erg moeilijk. Daarom zeggen we dat dit het moeilijkste AI-patroon is.

We kunnen hardware of software hebben, zoals autonome voertuigen of autonome bezorgrobots. Maar we kunnen ook autonome bedrijfsprocessen hebben. Hoe kunnen systemen zelfstandig door onze werkstromen navigeren zonder dat er mensen nodig zijn?

Dat verschilt van automatisering, want automatisering is geen intelligentie. We herhalen gewoon steeds hetzelfde, wat enorm nuttig kan zijn, maar het is geen intelligentie. Bij uitzonderingen heb je een mens nodig om in te grijpen. Als velden veranderen, moet een mens zeggen: deze velden zijn veranderd.

We denken daarbij aan robotische procesautomatisering. Maar hoe ziet agentische AI eruit, vooral dit jaar en de komende jaren? Hoe kunnen meer autonome agents samenwerken met andere agents?

De zeven patronen helpen ons te bepalen waar AI goed en minder goed in is, wanneer we AI moeten gebruiken en wanneer niet. We behandelen dat in fase één, het zakelijke begrip, van CPMAI. Dat helpt wanneer mensen vragen waar en hoe ze AI moeten toepassen.

Bij het conversatiepatroon praten mensen en machines met elkaar in menselijke taal. Daar vallen grote taalmodellen en AI-ondersteunde chatbots onder. Maar dat is slechts één AI-patroon. Misschien moeten we onze taalmodellen geen hypergepersonaliseerde aanbiedingen laten doen en kunnen we ze niet gebruiken om een voertuig te besturen.

Galen Low: Dat vind ik geweldig. Bedankt voor die snelcursus. Het brengt veel in perspectief. En raad eens?

Een perfecte overgang naar mijn laatste vraag. We praten over AI die binnenkomt en je helpt met je dagelijkse werk.

Kathleen Walch: Augmented intelligence.

Galen Low: Augmented intelligence, dank je. Maar je noemde ook autonomie en agentische systemen. Iedereen praat er nu over: een wereld waarin AI gewoon zelfstandig zijn gang gaat. Misschien geef jij de opdracht, maar niet op dezelfde manier als wanneer je chat en zegt: wil je dit voor me doen?

Heb je een mening over waar dit naartoe gaat in de wereld van projectmanagement of gewoon in de wereld in het algemeen? Zijn de zorgen van mensen terecht? Of is het ook zo’n onderwerp waarbij mensen denken: dit is eigenlijk AGI, we kunnen meteen naar de apocalyps springen, terwijl het in werkelijkheid gewoon binnen deze patronen valt?

Kathleen Walch: Als we begrijpen wat AI wel en niet kan en begrijpen dat we nog steeds met beperkte AI werken, dan zien we dat we één of meer van deze zeven patronen toepassen. We zijn nog niet bij AGI, waar we een systeem hebben dat menselijk is en alles kan. We beschikken nog steeds niet over machineredenering.

Ik praat graag over de DIKUW-piramide. Data staat onderaan als fundament, maar met data op zichzelf kun je niet veel doen. We moeten er iets op toepassen. Dan krijgen we het informatieniveau, met dashboards en dergelijke.

Vervolgens gaan we naar kennis, waar machine learning een rol speelt. Daarna komt begrip. Dat is machineredenering en daar zijn we nog niet. Bovenaan staat wijsheid.

We zijn dus nog ver verwijderd van AGI. Het is belangrijk dat te begrijpen. In de media hoor je verschillende inschattingen. Sommigen denken dat we misschien tien jaar verwijderd zijn, anderen een jaar of honderd jaar. Sommigen denken dat we er nooit komen. Experts in de sector zijn het hier niet over eens.

Het is belangrijk de beperkingen van vandaag te begrijpen en AI toe te passen waar dat zinvol is. Agentische AI is het grote onderwerp van 2025 en zal dat waarschijnlijk blijven. Bij PMI hebben we Infinity, ons AI-hulpmiddel. Daar zullen we mogelijkheden voor agentische AI aan toevoegen.

Het is ook belangrijk te begrijpen dat we geen algemeen aanvaarde definitie van AI hebben. Daardoor hebben we in de sector ook geen algemeen aanvaarde definitie van agentische AI. Is het echt autonoom, uitgebreid of geautomatiseerd? We bewegen die kant op, maar het is spannend.

Dingen veranderen ongelooflijk snel. Als mensen deze podcast in februari 2025 beluisteren, hoe ziet het er dan uit in februari 2026? Of in juni 2025? Soms ben je maar één grote doorbraak of één ander platform verwijderd van een nieuwe ontwikkeling. Je noemde eerder DeepSeek; dat bestond een maand geleden nog niet.

Hoe blijven projectprofessionals agentische AI toepassen en hoe brengen ze die in hun werkstroom? Hoe brengt je organisatie dit binnen? Hoe worden deze hulpmiddelen en technologieën ingevoerd? We moeten ervoor zorgen dat dit betrouwbaar, ethisch en verantwoordelijk gebeurt.

Er zijn veel zorgen: privacy van data, governance en betrouwbaarheid. Vertrouwen we deze systemen? Gebruiken we ze intern of mogen we externe systemen gebruiken? Het is een spannende tijd. Deze hulpmiddelen worden steeds beter en er komen elke dag nieuwe bij. Dat kan overweldigend zijn.

Waar begin je? Hoe blijf je bij? Door elke dag te leren en te doen. Je moet oefenen; het moet een reflex worden. Hoe maak je AI onderdeel van je dagelijkse werk? Ik zeg: begin nooit meer met een lege pagina. Als je met een lege pagina begint, doe je iets verkeerd.

Laat AI helpen met brainstormen of een eerste versie schrijven, en bewerk die vervolgens. Wat je ook probeert te doen, je moet die reflex ontwikkelen. Hoe doe je dat? Door te blijven oefenen.

Galen Low: Ik vind dat geweldig: de mindset en de reflex. Kathleen, dit was een zeer inspirerend gesprek.

Ik denk niet dat ik ooit zoveel notities heb gemaakt tijdens een aflevering. En dan bedoel ik dat positief, als het vastleggen van kennis voor mezelf, niet als aantekeningen over wat er achteraf moet worden aangepast. Volgens mij heeft PMI geluk met jou. Ik ben benieuwd wat er hierna komt. Misschien moeten we je in februari 2026 opnieuw uitnodigen, of eerder, om te vergelijken waar we na 365 dagen zijn beland.

Kathleen Walch: Ja, het verandert zo snel. Soms vragen mensen waar we over een jaar of vijf jaar zullen zijn. Dan denk ik: waar zijn we over een maand?

Galen Low: Geweldig. Waar kunnen mensen meer vinden over de CPMAI-certificering?

Kathleen Walch: Ga naar PMI.org. Daar kun je de informatie vinden. Ik heb ook een podcast, AI Today, waarin we over CPMAI praten. We zitten momenteel midden in een serie over toepassingen. Het is nu een officiële PMI-podcast en daar ben ik erg enthousiast over.

We zetten alles over naar het PMI-systeem. Iedereen die met overnames te maken heeft weet dat dit wat tijd kost, maar we komen er. Je kunt me ook vinden op LinkedIn onder Kathleen Walch. PMI Cognilytica is eveneens actief op LinkedIn.

Galen Low: Geweldig. Ik voeg al die links ook toe aan de shownotities.

Kathleen, enorm bedankt dat je vandaag bij me was. Het was erg leuk.

Kathleen Walch: Dank je. Ik praat altijd graag met je, Galen.

Galen Low: Goed mensen, daar hebben jullie het. Zoals altijd: als je wilt deelnemen aan het gesprek met meer dan duizend gelijkgestemde kampioenen van projectmanagement, sluit je dan aan bij onze collectieve gemeenschap. Ga naar thedpm.com/membership voor meer informatie. En als je het leuk vond wat je vandaag hebt gehoord, abonneer je dan en blijf in contact via thedigitalprojectmanager.com. Tot de volgende keer, bedankt voor het luisteren.